Data as Transcendental Stabilizations: Symbolic Mediation and the Pre-Semantic Conditions of Data
यह शोध पत्र तर्क देता है कि डेटा न तो सत्तामीमांसीय मौलिक तत्व (ontological primitives) हैं और न ही केवल तकनीकी उपकरण, बल्कि वे ऐतिहासिक रूप से परिवर्तनशील प्रतीकात्मक स्थिरीकरणों के माध्यम से उभरते हैं जो विभेदक विन्यासों को परिचालन रूप से उपलब्ध अंतरों में रूपांतरित करते हैं, जिससे एल्गोरिद्मिक पूर्वाग्रह जैसे मुद्दों को सरल तकनीकी प्रबंधन समस्याओं के बजाय बोधगम्यता के प्रतिस्पर्धी शासनों (regimes of intelligibility) के विवादों के रूप में पुनर्गठित किया जा सके।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपने रेत की एक बाल्टी पकड़ी हुई है। एक भूविज्ञानी के लिए, यह सिलिका और फेल्डस्पार का एक नमूना है। एक बच्चे के लिए, यह किला बनाने की सामग्री है। एक कवि के लिए, यह उंगलियों से फिसलते समय का एक रूपक है। लेकिन इससे पहले कि इनमें से कोई भी व्यक्ति यह कह सके कि "यह रेत है," कुछ अदृश्य होना पड़ता है। उन अराजक, अस्थिर कणों को पकड़ा जाना, नाम दिया जाना और ऐसी चीज़ में बदलना पड़ता है जिसे गिना, साझा और याद रखा जा सके। यही डेटा (data) का गुप्त जीवन है।
विज्ञान और तकनीक की दुनिया में, हम अक्सर डेटा के साथ ऐसे व्यवहार करते हैं जैसे वे वास्तविकता के छोटे ईंट के टुकड़े हों जिन्हें हम बस फर्श से उठा लेते हैं। हम मान लेते हैं कि यदि हमारे पास थर्मामीटर है, तो तापमान बस "वहाँ" है, जिसे लिखा जाना बाकी है। लेकिन रोड्रिगो गैरिडो का एक नया शोध पत्र सुझाव देता है कि यह थोड़ा छल है। यह तर्क देता है कि डेटा वह नहीं है जिसे हम पाते हैं; बल्कि यह वह है जिसे हम बनाते हैं। इसे समझने के लिए, हमें तीन बड़े विचारों को देखने की आवश्यकता है। पहला, प्रतीकात्मक मध्यस्थता (symbolic mediation): यह विचार कि हम वास्तविकता को सीधे स्पर्श नहीं कर सकते; हमें दुनिया को समझने योग्य बनाने के लिए हमेशा उपकरणों, शब्दों या संख्याओं का उपयोग करके उसे अनुवादित करना पड़ता है। दूसरा, स्थिरीकरण (stabilization): किसी चीज़ को अव्यवस्थित रूप से लेकर उसे इस तरह बदलने की प्रक्रिया ताकि वह उपयोगी होने के लिए पर्याप्त समय तक स्थिर रहे। और तीसरा, प्रक्षेपण (projection): जैसे किसी 3D वस्तु पर टॉर्च चमकाकर उसकी 2D छाया देखी जाती है, वैसे ही हमें यह चुनना होता है कि वास्तविकता के किन हिस्सों को उजागर करना है और किन को अनदेखा करना है ताकि एक "डेटा" (datum) बनाया जा सके। यह क्यों मायने रखता है? क्योंकि यदि हम सोचते हैं कि डेटा केवल "कच्चा सच" है, तो हम इस तथ्य को भूल सकते हैं कि जिस तरह से हम चीजों को मापने का चुनाव करते हैं, वास्तव में वही तय करता है कि हम क्या देख सकते हैं, हम क्या जान सकते हैं, और हमारी डिजिटल दुनिया में क्या "वास्तविक" माना जाता है।
तो, यह शोध पत्र वास्तव में क्या कह रहा है? यह प्रस्तावित करता है कि एक "डेटा" (एक एकल डेटा का हिस्सा) ब्रह्मांड का कोई छोटा, पूर्व-मौजूद टुकड़ा नहीं है। इसके बजाय, यह एक अतींद्रिय स्थिरीकरण (transcendental stabilization) है। यह कहने का एक भारी-भरकम तरीका है कि यह वास्तविकता का एक ऐसा स्नैपशॉट है जिसे विशिष्ट नियमों और उपकरणों द्वारा जमाया गया, पैक किया गया और दोहराने योग्य बनाया गया है।
कल्पना कीजिए कि वास्तविकता सूचना की एक विशाल, निरंतर, गूंजती हुई नदी है। यह हमेशा बह रही है, बदल रही है और अनंत अंतरों से भरी है। आप नदी को बस एक जार में भरकर नहीं रख सकते; वह बस बाहर निकल जाएगी। "डेटा" प्राप्त करने के लिए, आपको एक बांध बनाना होगा। आपको यह तय करना होगा कि नदी को कहाँ से काटना है, क्या मापना है, और उसे कैसे लेबल करना है। पत्र का तर्क है कि बांध बनाने का यही कार्य डेटा बनाता है। बांध बनने से पहले, केवल नदी (सत्तामीमांसीय भिन्नता/ontological variation) होती है। एक बार जब बांध बन जाता है और पानी को एक विशिष्ट पाइप में मोड़ा जाता है, तो वह डेटा होता है।
लेखक यह समझाने के लिए कुछ शानदार रूपकों का उपयोग करता है। कल्पना कीजिए कि आप एक गीत का वर्णन करने की कोशिश कर रहे हैं। हवा में ध्वनि तरंगें "नदी" हैं। यदि आप उस गीत को अपने कंप्यूटर पर एक फ़ाइल (एक डेटा) के रूप में बदलना चाहते हैं, तो आपको ध्वनि को छोटे, अलग-अलग टुकड़ों में काटना होगा। कंप्यूटर की दुनिया में इसे टोकनाइज़ेशन (tokenization) कहा जाता है। आप पूरे निरंतर गीत को मशीन में नहीं डाल सकते; आपको इसे छोटे टुकड़ों (टोकन) में तोड़ना होगा जिन्हें मशीन संभाल सके। लेकिन यहाँ मुख्य बात यह है: इसे काटने का तरीका गाने को बदल देता है। यदि आप इसे ताल (beat) के आधार पर काटते हैं, तो आपको एक प्रकार का डेटा मिलेगा। यदि आप इसे सुर (pitch) के आधार पर काटते हैं, तो आपको बिल्कुल अलग प्रकार का डेटा मिलेगा। पत्र कहता है कि "डेटा" स्वयं गाना नहीं है; यह वह विशिष्ट तरीका है जिससे आपने इसे काटने का निर्णय लिया था।
पत्र यह भी तर्क देता है कि यह केवल एक बार होने वाली चीज़ नहीं है। एक बार जब आप गाने को काट देते हैं, तो आपको उन टुकड़ों को बिखरने से बचाना पड़ता है। यहीं पर तकनीकी अवसादन (technical sedimentation) आता है। कल्पना कीजिए कि आप कागज के एक टुकड़े पर एक रेसिपी लिखते हैं। वह कागज एक "तकनीकी सहायता" है। यह रेसिपी को इसलिए थामे रखता है ताकि आप इसे कल पढ़ सकें। लेकिन उस कागज के भी अपने नियम हैं: इसमें रेखाएँ हैं, इसका एक निश्चित आकार है, और शायद यह ऐसी भाषा में लिखा है जिसे आप जानते हैं। अतीत के वे नियम (कागज, भाषा) आपकी रेसिपी में "अवसादित" (sedimented) हैं। वे तय करते हैं कि आप क्या लिख सकते हैं और आप कैसे लिख सकते हैं। पत्र सुझाव देता है कि हमारा सारा डेटा इसी तरह का है। यह पुराने उपकरणों, पुराने नियमों और सोचने के पुराने तरीकों की परतों पर बना है जिन्हें हम अक्सर नोटिस भी नहीं करते। 1980 के दशक में डिज़ाइन किया गया एक डेटाबेस आज भी यह तय कर सकता है कि हम किस तरह का डेटा एकत्र कर सकते हैं, केवल इसलिए क्योंकि इसे जिस तरह से बनाया गया था।
लेखक बहुत स्पष्ट है कि डेटा क्या नहीं है। यह वास्तविकता का कोई "कच्चा" टुकड़ा नहीं है जिसे खोजा जाना बाकी है। आप प्रकृति में "डेटा" को बस ढूंढ नहीं सकते। तापमान में बदलाव मौजूद होता है, यह सच है, लेकिन यह केवल तभी "तापमान डेटा" बनता है जब एक थर्मामीटर इसे मापता है, एक कंप्यूटर इसे रिकॉर्ड करता है, और एक वैज्ञानिक इस बात पर सहमत होता है कि इसे कैसे लिखा जाए। पत्र इस विचार का भी विरोध करता है कि डेटा केवल सत्य का एक तटस्थ निर्माण खंड है। इसके बजाय, यह सुझाव देता है कि जिस तरह से हम डेटा को स्थिर करते हैं (नियम जिनका हम उपयोग करते हैं), वह वास्तव में उस सत्य को बनाता है जिसे हम देखते हैं। यदि आप नियमों का एक अलग सेट (एक अलग प्रतीकात्मक रूप) उपयोग करते हैं, तो आपको एक अलग प्रकार का डेटा मिलता है, और एक अलग प्रकार का सत्य मिलता है।
पत्र यह दावा नहीं करता कि उसने हमारी सभी डेटा समस्याओं को ठीक करने का कोई जादुई फॉर्मूला खोज लिया है। इसके बजाय, यह सुझाव देता है कि हमें डेटा के बारे में सोचने के तरीके को बदलने की आवश्यकता है। हमें डेटा के साथ ऐसा व्यवहार नहीं करना चाहिए जैसे कि यह बस "वहाँ बाहर" है। हमें यह महसूस करना चाहिए कि डेटा हमारे विकल्पों, हमारे उपकरणों और हमारे इतिहास का एक उत्पाद है। जब हम "एल्गोरिद्मिक पूर्वाग्रह" (algorithmic bias) या "डेटा गोपनीयता" जैसी चीजों के बारे में बात करते हैं, तो पत्र का सुझाव है कि हमें केवल संख्याओं को नहीं देखना चाहिए। हमें उस बांध को देखना चाहिए जिसे हमने बनाया है। हमें पूछना चाहिए: नदी को कहाँ से काटना है, यह किसने तय किया? गाने को काटने के लिए हमने किन नियमों का उपयोग किया? और अतीत के कौन से पुराने, धूल भरे नियम आज भी यह नियंत्रित कर रहे हैं कि हम क्या देख सकते हैं?
संक्षेप में, यह पत्र हमें डेटा को वास्तविकता के दर्पण के रूप में देखना बंद करने और इसे एक पेंटिंग के रूप में देखना शुरू करने के लिए आमंत्रित करता है। पेंटिंग स्वयं वास्तविकता नहीं है; यह वास्तविकता का एक विशिष्ट, स्थिर और सुव्यवस्थित संस्करण है, जो कलाकार के ब्रश, कैनवास और कला के इतिहास द्वारा बनाया गया है। और एक पेंटिंग की तरह, यह हमें उस दुनिया के बारे में उतना ही बताती है जितना कि वह कलाकार और उन उपकरणों के बारे में जो उसने उस दुनिया को दिखाने के लिए उपयोग किए हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।